Multimodal-Fatima/VQAv2_testdev_no_image

---
dataset_info:
features:
- name: question_type
dtype: string
- name: multiple_choice_answer
dtype: string
- name: answers_original
list:
- name: answer
dtype: string
- name: answer_confidence
dtype: string
- name: answer_id
dtype: int64
- name: id_image
dtype: int64
- name: answer_type
dtype: string
- name: question_id
dtype: int64
- name: question
dtype: string
- name: id
dtype: int64
- name: clip_tags_ViT_L_14
sequence: string
- name: blip_caption
dtype: string
- name: LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14
sequence: string
- name: DETA_detections_deta_swin_large_o365_coco_classes
list:
- name: attribute
dtype: string
- name: box
sequence: float32
- name: label
dtype: string
- name: location
dtype: string
- name: ratio
dtype: float32
- name: size
dtype: string
- name: tag
dtype: string
- name: DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random
list:
- name: attribute
dtype: string
- name: box
sequence: float64
- name: captions_module
sequence: string
- name: captions_module_filter
sequence: string
- name: label
dtype: string
- name: location
dtype: string
- name: ratio
dtype: float64
- name: size
dtype: string
- name: tag
dtype: string
- name: Attributes_ViT_L_14_descriptors_text_davinci_003_full
sequence: string
- name: Attributes_LAION_ViT_H_14_2B_descriptors_text_davinci_003_full
sequence: string
- name: clip_tags_ViT_L_14_with_openai
sequence: string
- name: clip_tags_LAION_ViT_H_14_2B_with_openai
sequence: string
- name: blip_caption_beam_5
dtype: string
- name: answers
sequence: string
splits:
- name: testdev
num_bytes: 5172192426
num_examples: 107394
download_size: 1906506882
dataset_size: 5172192426
---
# Dataset Card for "VQAv2_testdev_no_image"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 字段名：问题类型，数据类型：字符串
- 字段名：多选题答案，数据类型：字符串
- 字段名：原始答案集：列表类型，包含子字段：
- answer：答案（字符串）
- answer_confidence：答案置信度（字符串）
- answer_id：答案ID（整数）
- 字段名：图像ID，数据类型：整数
- 字段名：答案类型，数据类型：字符串
- 字段名：问题ID，数据类型：整数
- 字段名：问题文本，数据类型：字符串
- 字段名：样本ID，数据类型：整数
- 字段名：CLIP (Contrastive Language-Image Pre-training)标签（ViT-L/14），数据类型：字符串序列
- 字段名：BLIP (Bootstrapping Language-Image Pre-training)图像字幕，数据类型：字符串
- 字段名：适配Visual Genome数据集、基于ViT-L/14架构的GPT-3 (Generative Pre-trained Transformer 3)大语言模型描述，数据类型：字符串序列
- 字段名：基于DETA (Decoupled Training for Object Detection with Transformers)模型-Swin-Large (Swin Transformer Large)架构（适配O365、COCO (Common Objects in Context)类别集）的目标检测结果，数据类型：列表类型，包含子字段：
- attribute：属性（字符串）
- box：边界框（float32序列）
- label：类别标签（字符串）
- location：位置描述（字符串）
- ratio：宽高比（float32）
- size：尺寸描述（字符串）
- tag：标签标记（字符串）
- 字段名：基于随机字幕模块、适配DETA模型-Swin-Large架构（O365、COCO类别集）的目标检测结果，数据类型：列表类型，包含子字段：
- attribute：属性（字符串）
- box：边界框（float64序列）
- captions_module：字幕模块输出（字符串序列）
- captions_module_filter：过滤后字幕模块输出（字符串序列）
- label：类别标签（字符串）
- location：位置描述（字符串）
- ratio：宽高比（float64）
- size：尺寸描述（字符串）
- tag：标签标记（字符串）
- 字段名：基于Text-Davinci-003生成的ViT-L/14图像属性描述符，数据类型：字符串序列
- 字段名：基于Text-Davinci-003生成的LAION (Large-scale Artificial Intelligence Open Network) ViT-H/14 2B图像属性描述符，数据类型：字符串序列
- 字段名：结合OpenAI接口的CLIP标签（ViT-L/14），数据类型：字符串序列
- 字段名：结合OpenAI接口的LAION ViT-H/14 2B CLIP标签，数据类型：字符串序列
- 字段名：束搜索宽度为5的BLIP图像字幕，数据类型：字符串
- 字段名：答案序列，数据类型：字符串序列
数据集划分：
- 划分名称：测试开发集（testdev），占用字节数：5172192426，样本数量：107394
下载总大小：1906506882字节
解压后数据集总大小：5172192426字节

---
# 数据集卡片："VQAv2_testdev_no_image"
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• VQAv2_testdev_no_image

数据集特征

基本特征

• question_type: 字符串类型
• multiple_choice_answer: 字符串类型
• id_image: 整数类型
• answer_type: 字符串类型
• question_id: 整数类型
• question: 字符串类型
• id: 整数类型
• blip_caption: 字符串类型

答案相关特征

• answers_original: 列表类型，包含以下子特征：
  • answer: 字符串类型
  • answer_confidence: 字符串类型
  • answer_id: 整数类型

检测相关特征

• DETA_detections_deta_swin_large_o365_coco_classes: 列表类型，包含以下子特征：

  • attribute: 字符串类型
  • box: 浮点数序列类型
  • label: 字符串类型
  • location: 字符串类型
  • ratio: 浮点数类型
  • size: 字符串类型
  • tag: 字符串类型

• DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random: 列表类型，包含以下子特征：

  • attribute: 字符串类型
  • box: 浮点数序列类型
  • captions_module: 字符串序列类型
  • captions_module_filter: 字符串序列类型
  • label: 字符串类型
  • location: 字符串类型
  • ratio: 浮点数类型
  • size: 字符串类型
  • tag: 字符串类型

描述性特征

• clip_tags_ViT_L_14: 字符串序列类型
• LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14: 字符串序列类型
• Attributes_ViT_L_14_descriptors_text_davinci_003_full: 字符串序列类型
• Attributes_LAION_ViT_H_14_2B_descriptors_text_davinci_003_full: 字符串序列类型
• clip_tags_ViT_L_14_with_openai: 字符串序列类型
• clip_tags_LAION_ViT_H_14_2B_with_openai: 字符串序列类型
• blip_caption_beam_5: 字符串类型
• answers: 字符串序列类型

数据集分割

• testdev: 包含107394个样本，数据集大小为5172192426字节。

数据集大小

• 下载大小: 1906506882字节
• 数据集大小: 5172192426字节